ASCT:用自适应结构卷积网络进行可视对象跟踪的Matlab代码

ASCT 自适应结构卷积网络的视觉目标跟踪 摘要：已经证明卷积神经网络（CNN）在视觉对象跟踪任务中实现了最新的性能。 但是，现有的基于CNN的跟踪器通常使用整体目标样本来训练其网络。 一旦目标经历复杂的情况（例如，遮挡，背景杂波和变形），跟踪性能就会严重下降。 在本文中，我们提出了一种自适应结构卷积滤波器模型，以增强深度回归跟踪器（名为：ASCT）的鲁棒性。 具体来说，我们首先设计一个遮罩集以生成局部滤镜以捕获目标的局部结构。 同时，针对这些局部滤波器，我们采用了自适应加权融合策略，以适应目标外观的变化，从而可以有效地提高跟踪器的鲁棒性。 此外，我们开发了一个端到端的可训练网络，该网络包括用于有效训练的特征提取，决策和模型更新模块。 在大型基准数据集上的大量实验结果表明，所提出的ASCT跟踪器的有效性优于最新的跟踪器。 :star: 更新：ASCT跟踪器的代码可以在下载 。 用法 追踪 1下